Всего десять лет назад коннекционизм, то есть построение коннектомов, изучающих анатомические синаптические связи между всеми отделами и нейронами нервной системы, доминировал в подходах к изучению мозга и получал самое большое финансирование. Ожидаемый результат часто преподносился не только как получение информации, полезной для последующих исследований, но претендовал на быстрое понимание механизмов функционирования мозга. С этими ожиданиями не соглашались сторонники гетерохимической парадигмы, осознававшие важность химического разнообразия нейронов и несинаптической коммуникации для функционирования нервной системы. В какой-то момент выражение «Beyond the connectome» стало популярным слоганом среди продвинутых нейробиологов, критиковавших увлечение коннектомами (см. например, Bargmann 2012; Kopell et al., 2014). Но критика должна быть конструктивной, если не коннектом, то что? Мечты о создании транскриптомов отдельных нейронов появились уже тогда, но казались еще не реализуемыми. Например, в 2015 году Российское когнитивное сообщество было возбуждено лекцией Д. А. Сахарова с названием «Нейронная основа мозговых функций: коннектом versus транскриптом» (Сахаров Д. А. 2015). Обосновывая важность транскриптомики, он писал «Мозг — это арена постоянных взаимодействий между эндогенно активными, химически разнородными секреторными клетками (биологическими нейронами). Они соединяются в ансамбли для принятия совместных решений, обеспечивающих бесперебойное функционирование организма. В пределах ансамбля продукты нейронной секреции действуют контактно («синапсы») и дистантно, а также фазически («синаптическая передача») и тонически (в составе трансмиттерного «бульона» межклеточной среды). В приложении к отдельной клетке транскриптом означает совокупность транскриптов всех генов, экспрессирующихся в ней в определенные моменты функционирования, то есть контекст-зависимо. Транскриптом определяет и связи клетки (куда тянуть отростки), и ее химизм (экспрессия генов, отвечающих за нейротрансмиттеры и за рецепторы к сигнальным молекулам). Короче, он дает наиболее полное описание фенотипических свойств нейрона в конкретный момент времени».

В конце 2023 года большой коллектив авторов из Allen Institute for Brain Science, (Сиэтл, США) сделал мечту о поклеточном транскриптомном атласе всего мозга млекопитающего реальностью. Мышь (Mus musculus) стала естественным выбором для всестороннего определения состава и архитектуры мозга млекопитающих. Это исследование, в отличие от ряда похожих работ с применением траснскриптомики одиночных нейронов, позволило не просто получить представление о разнообразии клеток мозга, но создать пространственный атлас клеточных типов с разрешением в одну клетку. Атлас был создан путем объединения набора данных поклеточного секвенирования РНК (scRNA-seq), включающего около 7 миллионов профилированных клеток, и набора пространственных транскриптомных данных, состоящего примерно из 4,3 миллиона клеток с использованием мультиплексированного метода устойчивой к ошибкам флуоресцентной гибридизации in situ (MERFISH). На его основе создана онлайн-платформа Allen Brain Cell Atlas для пространственной визуализации типов клеток всего мозга мыши, а также наборов данных поклеточного секвенирования РНК и наборов данных MERFISH: https://portal.brain-map.org/atlases-and-data/bkp/abc-atlas. Эти данные позволяют ответить на вопросы о том, как транскриптомный ландшафт типов клеток в масштабах всего мозга связан с анатомической и структурной организацией и его онтологией, основанной на развитии и эволюции, а также то, как скоординированная экспрессия генов определяет идентичность и функциональные свойства типов клеток.

Помимо очевидной значимости для последующего изучения мозга, это гигантская работа уже позволила сделать целый ряд важных выводов. Ниже коротко перечислим наиболее значимые ее результаты.

В очередной раз подтвердилось представление о большом разнообразии нейронов, входящих в состав головного мозга. На основе изучения степеней удаленности клеток друг от друга по составу экспрессируемых генов авторы пришли к выводу, что иерархическая система, подобная той, что использовал Линней для классификации видов, подходит и для систематизации различных нейронов мозга. Это иерархически-организованная система в настоящий момент включает 34 больших классов нейронов, в которые входят 338 подклассов, которые в свою очередь делятся на 1201 супертип, а те в свою очередь включают 5322 кластер нейронов (Рис.1).

Рис. 1. Принцип иерархической классификации нейронов на основе сходства транскриптомов одиночных нейронов. Указано число групп на каждом иерархическом уровне.

Одним из наиболее примечательных результатов этого исследования оказалось то, что клетки со сходными или идентичными транскриптомами часто локализованы в одном и том же регионе и имеют общее происхождение и наоборот, транскриптомно более удаленные типы клеток находятся дальше друг от друга в пространстве. Переходные типы клеток в транскриптомном пространстве также пересекают региональные границы. Сильное соответствие между транскриптомной и пространственной специфичностью и родством указывает на важность анатомической специализации типов клеток, кроме того, повышает достоверность классификации типов клеток, основанной на транскриптоме.

Количество кластеров из разных областей мозга не коррелирует с количеством клеток, профилированных с помощью scRNA-seq, даже с поправкой на объемы областей мозга. В отдельных областях коры мозга обнаружили больше кластеров, чем во многих ядрах гипоталамуса, среднего и заднего мозга, что позволяет предположить, что в каждом кортикальном слое участвует больше типов клеток, чем в субрегионах гипоталамуса, среднего и заднего мозга. Кроме того, размеры кластеров (то есть количество клеток в каждом кластере) также различаются в разных областях мозга. Так, гипоталамус, средний мозг и задний мозг состоят из более мелких кластеров, что, вероятно, лежит в основе небольших ядер, характерных для этих областей.

Выявилась отчетливая дихотомия между антериальной/дорсальной и постериальной/вентральной частями мозга. Первая содержит сильно дивергентные типы нейронов, тогда как вторая - многочисленные типы нейронов, более близких друг другу. Эта дихотомия может отражать различную историю эволюции этих структур мозга. Вентральная часть мозга в основном выполняет функцию выживания организма (например, питание, размножение и метаболический гомеостаз) и является более древней, она может быть подвержена большим эволюционным ограничениям. В этой части мозга существует множество специализированных типов клеток и цепей, и они существенно не изменились в ходе эволюции. И наоборот, дорсальная часть мозга в основном выполняет адаптивную функцию организма (например, сенсомоторную специализацию и познание), и ее структура, функции и основные типы клеток в ходе эволюции расширялись и диверсифицировались быстрее.

Для классических нейротрансмиттеров (глутамат, ГАМК, дофамин, серотонин, норадреналин, ацелихолин, гистамин) создан интерактивный атлас, позволяющий просматривать пространственное распределение нейронов определенного нейротрансмиттерного фенотипа (ссылка указана выше), рис. 2.

Рис. 2. Скриншот страницы интерактивного атласа, позволяющего просматривать расположение нейронов по выбранному нейротрансмиттерному фенотипу, транскриптомному классу и области мозга. https://portal.brain-map.org/atlases-and-data/bkp/abc-atlas . Разным цветом в каждом нейротрансмиттерном фенотипе показаны разные трнаскриптомные классы, к которым эти нейроны принадлежат. Цифры за цветовой шкалой обозначают число нейронов данного нейротрансмиттерного типа. Можно выбрать срезы разных проекций.

Нейротрансмиттеры глутамат (глутаминовая кислота) и ГАМК не только количественно доминируют среди других нейротрансмиттерных типов нейронов, но и в отличие от них, чрезвычайно широко распределены по отделам мозга, классам и кластерам нейронов. Напротив, такие трансмиттерные фенотипы как серотонин-, норадреналин -,и гистаминэргические нейроны ограничены лишь определенными четко выделенными кластерами, принадлежащими к конкретному подклассу нейронов.

Сходная картина наблюдается и при анализе распределения по нейрональным типам нейропептидов. Около 79% всех кластеров экспрессируют по крайней мере один ген нейропептида, и во многих кластерах существуют многочисленные комбинации совместной экспрессии различных нейропептидов с высокой степенью вариаций внутри подклассов. Некоторые из них (например, Cck, Pnoc, Adcyap1, Penk, Sst и Tac1) экспрессируются чрезвычайно широко и на высоком уровне (подобно глутамату и ГАМК). Другие высоко экспрессируются только в одном или нескольких кластерах (например, Avp, Agrp, Pomc, Pmch, Oxt, Rln3, Npw, Nps , Ucn, Hcrt, Gnrh1, Gcg и Pyy).

Почти все подклассы с выраженным доминантным нейротрансмиттером (серотонином, дофамином, норадреналином) содержат также кластеры, передающие только глутамат и/или ГАМК или нейропептиды, что указывает на высокую степень гетерогенности в высвобождении и совместном высвобождении нейромедиаторов среди близкородственных типов нейронов, которые могут иметь общее происхождение. Следовательно, трансмиттерный фенотип нейрона не детерминируется происхождением клетки, напротив, в каждом родственном кластере пространственно близко расположенном нейронов формируется разнообразие сигнальных молекул, что указывает на функциональную значимость этого гетерохимизма для работы каждого отдельного ансамбля нейронов. Этот вывод чрезвычайно важен, поскольку отвечает на давний вопрос о причине секреторного разнообразия нейронов.

Данное исследование претендует на описание полного набора клеток с одновременным содержанием нескольких нейромедиаторов. Такие нейроны хотя и не доминируют по численному составу (большинство все же секретирует только один нейротрансмиттер, глутамат или ГАМК), составляют гораздо более весомую долю, чем оценивалось ранее. Состав коэкспрессируемых трансмиттеров не выглядит случайным, так найдено большое число кластеров (62) с двойной экспрессией глутамат-ГАМК. Эти кластеры широко распространены в разных частях мозга. В целом, глутамат и ГАМК являются наиболее распространенными «добавочными» нейротрансмиттерами. Напротив, не выявлено ни одного нейрона, экспрессирующего одновременно маркеры серотонина и дофамина. Здесь следует напомнить, что способность синтезировать разные нейротрансмиттеры оценивали с помощью комбинаций маркерных генов. Однако, недавние работы выявили выраженную посттрасляционную регуляцию трансмиттерного фенотипа (Chen et al., 2023), указывающую на то, что оценка числа ко-трансмиттеров на основе данных экспрессии маркерных генов может быть существенно завышена.

Сравнение матриц корреляции экспрессии генов среди всех пар кластеров показало, что наборы факторов транскрипции обладают наибольшей способностью отражать типы клеток. Были идентифицировали гены факторов транскрипции и модули совместной экспрессии, которые специфичны на разных иерархических уровнях систематики нейронов. Результаты свидетельствуют о том, что факторы транскрипции формируют комбинаторный код, который описывает очень сложный ландшафт клеточных типов.

В то время как нейрональные типы составляют подавляющее большинство типов клеток в головном мозге и демонстрируют высокую региональную специфичность, ненейрональные типы клеток, как правило, распространены более широко (за исключением астроцитов и эпендимальных клеток, которые имеют множество подклассов с региональной специфичностью). Большая степень пространственной специфичности астроцитов, эпендимальных клеток, а также таницитов, может указывать на специфические взаимодействия нейрон-глия и глия-сосудистая сеть. Были также идентифицированы несколько групп незрелых типов нейронов и описаны их траектории к зрелым типам нейронов в обонятельной луковице и зубчатой извилине на основе их пространственной локализации и сигнатур переходных генов.

Идентифицировали 26 кластеров в 11 подклассах нейронов с неравномерным распределением клеток, происходящих от двух полов. Согласно данным MERFISH, эти кластеры в основном расположены в определенных областях вентрального паллидума (вентральной покрышки), амигдалы, гипоталамуса и заднего мозга. Кроме того, детальный анализ экспрессии генов на уровне классов и подклассов выявил широко распространенные различия в экспрессии генов канонических циркадных часов между светлой и темной фазами. Во многих нейрональных и ненейрональных классах и подклассах мозга почти все часовые гены демонстрируют стабильно более высокие уровни экспрессии в темной фазе, чем в светлой, за исключением гена белка Arntl (aryl hydrocarbon receptor nuclear translocator-like protein 1), который демонстрировал противоположную картину. Атлас транскриптомных типов клеток мозга мышей, таким образом, фиксирует изменения экспрессии генов, зависящие от циркадного состояния, которые могут быть выявлены при контролируемом анализе. Важно, при этом, что на классификацию типов клеток различные циркадные состояния не оказывают существенного влияния.

Таковы наиболее значимые результаты этой работы. Обсуждение результатов могло бы оказаться еще интереснее при наличии информации о распределении нейронов, экспрессирующих рецепторы к разным нейротрансмиттерам и нейропептидам. Такая информация об уровне экспрессии, разнообразии рецепторов к сигнальным молекулам в разных нейронах и их распределении в мозге является необходимой составляющей для понимания возможных коммуникационных связей между нейронами. Очевидно, что при наличии биоинформатических навыков эта информация может получена из находящихся в базах оригинальных данных. Следует также указать, что в этом кратком обзоре опущены многие интересные детали, которые могут быть найдены в самой статье, находящейся в открытом доступе.

Список литературы:

1. Bargmann C. I. Beyond the connectome: How neuromodulators shape neural circuits. Bioessays. 2012. Vol. 34. P. 458–465.
2. Chen N, Zhang Y, Rivera-Rodriguez EJ, Yu AD, Hobin M, Rosbash M, Griffith LC. Widespread posttranscriptional regulation of cotransmission. Sci Adv. 2023 Jun 2;9(22):eadg9836. doi: 10.1126/sciadv.adg9836.
3. Kopell N. J., Gritton H. J., Whittington M. A., Kramer M. A. Beyond the connectome: the dynome. Neuron. 2014. Vol. 83. No. 6. P. 1319–1328.
4. Сахаров Д. А. Нейронная основа мозговых функций: коннектом versus транскриптом // Когнитивная наука в Москве: новые исследования. М.: Буки-Веди, 2015. С. 395–400.

Новость подготовила
© В.Е.Дьяконова
11.06.2024